多模医学图像预处理和融合方法研究-信号与信息处理专业论文.docx

万方数据 万方数据 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究 工作及取得的研究成果。据我所知，除了文中特别加以标注和致 谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果， 也不包含为获得电子科技大学或其它教育机构的学位或证书而使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已 在论文中作了明确的说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位 论文的规定，有权保留并向国家有关部门或机构送交论文的复印 件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以 将学位论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘 要 随着医学影像技术的快速发展，临床可用的不同模态医学图像越来越多，为 了克服单一模态医学图像在局部细节信息描述上的局限性，研究者提出了多模医 学图像融合技术。该技术通过提取和综合不同模态的医学图像信息，获得对病灶 部位更加清晰、全面、准确、可靠的图像描述，为医生对疾病的诊断和合理治疗 方案的制定提供可靠依据。多模医学图像融合是多源图像融合在医学领域的一个 重要分支，作为一门多学科交叉的新兴科研领域，它不仅有着重要的科研价值同 时也与人们日常生活息息相关。经过近三十年的发展，多模医学图像融合取得了 不少阶段性成果，也形成了一些成熟的理论方法，但到目前为止在医学图像融合 的几个关键环节上仍有许多问题有待解决。为了更好地解决这些问题，本文着眼 于融合过程的几个关键环节，从“MRI 图像灰度信息校正”、“源图像配准”、“多 光谱与全色医学图像融合”和“显著信息保存的医学图像融合”等方面开展了医 学图像预处理和融合的研究工作，主要内容和贡献如下： 在医学图像预处理研究中，本文提出了基于简化 PCNN 模型的 MRI 图像灰度 不均匀性校正算法和基于级联 PCNN 模型的医学图像配准算法。前者利用 PCNN 的脉冲同步发放机制进行图像偏移场估计，在保证校正效果的同时有效提高了算 法的实时性。后者利用级联 PCNN 模型提取图像目标区域的凹点，再结合 FCM 聚 类和坐标系分块，完成医学图像配准。 在多光谱与全色医学图像融合研究中，本文提出了基于 IHS 和 PCA 的图像融 合算法，为了进一步改善融合图像的光谱特性，在原算法基础上引入了视网膜激 励模型，改进算法的融合图像不仅提高了图像的空间分辨率，而且较好的保持了 源图像的光谱信息，有效避免了光谱扭曲现象的发生。 为了突出融合过程中源图像重要信息的转移，本文提出了基于显著信息保存 的多模医学图像融合算法。该算法通过对源图像局部区域的显著性加权，使隐含 在图像像素中的重要信息顺利从源图像转移到融合图像。为了突出图像中不同位 置（纹理、强边缘、弱边缘、角点和平滑区域等）像素的不同特征，在原算法基 础上又引入了区域内像素的特征加权，改进算法的融合图像在视觉效果和信息描 述上都优于原算法。 为了进一步提高融合图像质量，本文提出了两种基于初始融合图像的融合算 I 摘要 法。第一种算法是在加权平均融合基础上，结合引导滤波和像素筛选策略得到最 终融合图像，该算法的融合结果存留了加权平均融合的缺陷，融合图像对比度较 低且纹理等细节信息较为模糊。第二种算法是通过图像块代替的方式得到初始融 合图像，在此基础上进行边缘强化等处理得到最终融合图像。比较这两种融合算 法，后者的初始融合图像在对比度和图像细节信息描述两方面都优于前者，因此 最终的融合结果也要优于前者。 关键词：医学图像预处理，多模医学图像融合，多光谱与全色医学图像，脉冲耦 合神经网络，显著性保存 II ABSTRACT ABSTRACT Numerous different modality medical images are available with the fast development of medical imaging technology. In order to overcome the limitations that the single-modal medical images only describe the local detailed information, multimodal medical image fusion technology is proposed. Through extracting and combining information from different modal medical images, the pro